earticle

영어

North Korea is engaging in military provocations against South Korea using ballistic missiles, including representative ones such as Daepodong-2, Daepodong-1, Nodong-1, and an improved version of Scud-C. In response to these North Korean missile threats, the South Korean military is establishing a rapid and systematic response system in coordination with the Korean Air and Missile Defense (KAMD). This paper proposes a 4-class classification model for North Korean ballistic missiles, specifically Daepodong-2, Daepodong-1, Nodong-1, and the improved version of Scud-C. The proposed method utilizes transfer learning with a ResNet34 model, and the dataset was constructed by crawling publicly available North Korean ballistic missile images on the internet. The machine learning library used for the experiment is PyTorch. The experimental results demonstrate that the proposed method achieves a mean average precision (mAP) performance of 93.09%, effectively classifying North Korean ballistic missiles. Future research plans include real-time missile detection and classification using video data.

한국어

북한은 대한민국에 대해서 탄도미사일을 이용하여 군사적 도발을 하고 있다. 대표적인 북한 탄도미사일로 대포동 2호, 대 포동 1호, 노동 1호, 스커드 C 개량형이 있다. 이러한 북한 탄도미사일을 대응하여 한국군은 한국형 미사일방어체계(KAMD, Korea Air & Missile Defence)와 연계하여 북한 미사일 발사에 대한 신속하고 체계적인 대응시스템을 마련하고 있다. 본 논문 에서는 북한 탄도미사일인 대포동 2호, 대포동 1호, 노동 1호, 스커드 C 개량형에 대해서 4진 분류 모델을 제안한다. 제안 방 법은 ResNet34 모델의 전이학습 기법을 이용하였고 데이터셋은 인터넷상 공개된 북한 탄도미사일을 크롤링하여 구축하였다. 머신러닝 라이브러리는 파이토치를 사용하였다. 실험 결과를 보면, 제안방법은 평균 93.09% mAP 성능으로 북한 탄도미사일 을 제대로 분류하는 것을 볼 수가 있었다. 향후 연구로 실시간 영상 데이터를 사용한 탄도미사일 탐지 및 분류를 할 계획이다.